CN116416796A - 无人驾驶车辆交通事故责任认定方法、装置、介质及设备 - Google Patents
无人驾驶车辆交通事故责任认定方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN116416796A CN116416796A CN202310382280.6A CN202310382280A CN116416796A CN 116416796 A CN116416796 A CN 116416796A CN 202310382280 A CN202310382280 A CN 202310382280A CN 116416796 A CN116416796 A CN 116416796A
- Authority
- CN
- China
- Prior art keywords
- accident
- vehicle
- data
- unmanned
- responsibility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000004044 response Effects 0.000 claims abstract description 40
- 230000008447 perception Effects 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种无人驾驶车辆交通事故责任认定方法、装置、介质及设备,方法包括:响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端,并通过云端的事故分类模块基于事故数据确定交通事故类型;通过事故责任认定模块基于交通事故类型和事故数据判定车辆是否为肇事车辆;响应于车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;响应于事故责任为无人驾驶系统责任,生成无人驾驶系统责任认定结果。本发明实现了自动化地无人驾驶交通事故取证溯源,提供事故全过程记录以及初步责任认定结果,能够帮助管理者快速完成最终责任判定。
Description
技术领域
本发明涉及无人驾驶技术领域,尤其涉及一种无人驾驶车辆交通事故责任认定方法、装置、介质及设备。
背景技术
近些年,随着车路协同技术及智能网联汽车产业推进,大量C-V2X(基于4G/5G等蜂窝网通信技术演进形成的车用无线通信技术)设备前装上车,各地政府也纷纷出台智能网联汽车管理相关的法规,如深圳市2022年8月1日施行的《深圳经济特区智能网联汽车管理条例》,明确无人驾驶可在市交通管理部门划定的区域、路段行驶,宣告着智能网联及无人驾驶时代即将来临。
影响无人驾驶车辆规模化落地的一个重要制约因素就是难以进行事故取证,进而影响事故责任认定和保险理赔等相关配套服务。目前无人驾驶事故取证难主要存在如下问题:
1.对于无人驾驶车辆,证据收集难,车内没有驾驶员很难获取目击者证言;难以验证数据完整性,可能出现传感器故障或数据篡改等情况;涉及车主、驾驶员和车辆生产商的隐私和安全,难以进行数据获取或共享,增加取证难度;技术限制,如无人驾驶车辆传感器故障或数据分析算法的不准确性,这可能会影响对事故原因的鉴定;
2.对于智能网联车辆,单车、云端、路侧的数据需要一套方法进行融合,信息不足,都有局限性;
3.涉及到机器和人的因素,人工认定取证困难,无法快速有效进行责任认定。
发明内容
有鉴于此,本发明的目的在于提出一种无人驾驶车辆交通事故责任认定方法、装置、介质及设备,用以解决目前无人驾驶车辆发生交通事故后责任认定困难并且认定效率低的问题。
基于上述目的,本发明提供了一种无人驾驶车辆交通事故责任认定方法,包括以下步骤:
响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端,并通过云端的事故分类模块基于事故数据确定交通事故类型;
通过事故责任认定模块基于交通事故类型和事故数据判定车辆是否为肇事车辆;
响应于车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;
响应于事故责任为无人驾驶系统责任,生成无人驾驶系统责任认定结果。
在一些实施例中,响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端包括:
响应于车辆在无人驾驶模式下检测到发生交通事故,通过车端软件将交通事故发生前后的预设时间段的事故数据上传至云端,事故数据包括感知结果、规划数据、决策数据、控制指令数据、车辆运行工况数据、原始视频数据及原始点云数据中的一种或多种。
在一些实施例中,通过云端的事故分类模块基于事故数据确定交通事故类型包括:
通过事故分类模块对事故数据进行分析,以识别对应的交通事故类型是否处于事故类型库中;
响应于交通事故类型处于事故类型库中,输出交通事故类型以及事故分类模块的置信度。
在一些实施例中,基于事故数据确定交通事故类型包括:
基于路侧感知结果输出的多个交通事故参与者的位置、朝向和外接多边形,以及多个交通事故参与者偏离行驶路径或者偏离运行设计域的情况,确定交通事故类型。
在一些实施例中,基于交通事故类型和事故数据判定车辆是否为肇事车辆包括:
响应于交通事故类型为多个车辆发生碰撞,基于路侧感知结果输出的多个事故关联车辆感知结果判定车辆为肇事车辆或者受害车辆,多个事故关联车辆感知结果包括多个事故关联车辆的运行轨迹、行驶方向、速度、朝向及加速度。
在一些实施例中,事故责任包括无人驾驶系统责任、车主责任、制造商责任及道路管理者责任。
在一些实施例中,生成无人驾驶系统责任认定结果包括:
通过无人驾驶系统责任认定模块将通过人工智能感知算法基于原始视频数据和原始点云数据生成的道路目标分类识别结果与事故数据中感知结果中的交通事故参数者进行比较,以确定无人驾驶系统中的感知环节是否发生故障;
响应于感知环节发生故障,生成关于感知环节故障的无人驾驶系统责任认定结果。
在一些实施例中,生成无人驾驶系统责任认定结果还包括:
通过无人驾驶系统责任认定模块对交通事故参与者的运行轨迹的预测值和真实值进行比较,以确定无人驾驶系统中的规划预测算法是否发生故障;
响应于规划预测算法发生故障,生成关于规划预测算法故障的无人驾驶系统责任认定结果。
在一些实施例中,生成无人驾驶系统责任认定结果还包括:
通过无人驾驶系统责任认定模块对事故数据中的车辆控制指令进行识别,以确定无人驾驶系统中的控制指令是否发生故障;
响应于控制指令发生故障,生成关于控制指令故障的无人驾驶系统责任认定结果。
在一些实施例中,生成无人驾驶系统责任认定结果还包括:
通过无人驾驶系统责任认定模块对事故数据中所有环节的时间戳进行比对,以确定无人驾驶系统中的通信时延是否超过预设时延阈值;
响应于通信时延超过预设时延阈值,生成关于通信时延故障的无人驾驶系统责任认定结果。
本发明的另一方面,还提供了一种无人驾驶车辆交通事故责任认定装置,包括:
事故分类模块,配置用于接收云端的事故数据,并基于事故数据确定交通事故类型,事故数据为车辆在无人驾驶模式下发生交通事故的数据;
事故责任认定模块,配置用于基于交通事故类型和事故数据判定车辆是否为肇事车辆,并响应于车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;以及
无人驾驶系统责任认定模块,配置用于响应于事故责任为无人驾驶系统责任,确定无人驾驶系统中发生故障的环节,并生成无人驾驶系统责任认定结果。
本发明的又一方面,还提供了一种计算机可读存储介质,存储有计算机程序指令,该计算机程序指令被处理器执行时实现上述方法。
本发明的再一方面,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该计算机程序被处理器执行时执行上述方法。
本发明至少具有以下有益技术效果:
本发明的无人驾驶车辆交通事故责任认定方法,基于车端、路端、云端一体化技术,通过事故分类模块基于事故数据确定交通事故类型,通过事故责任认定模块基于交通事故类型和事故数据判定车辆是否为肇事车辆,并对肇事车辆的事故责任进行识别,以确定是否为无人驾驶系统责任,并生成无人驾驶系统责任认定结果,从而实现自动化地无人驾驶交通事故取证溯源,提供事故全过程记录以及初步责任认定结果,能够帮助管理者快速完成最终责任判定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法的示意图;
图2为根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法的应用场景示意图;
图3为根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法的流程示意图;
图4为根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法中事故数据获取与处理的示意图;
图5为根据本发明实施例提供的无人驾驶车辆交通事故责任认定装置的示意图;
图6为根据本发明实施例提供的实现无人驾驶车辆交通事故责任认定方法的计算机可读存储介质的示意图;
图7为根据本发明实施例提供的执行无人驾驶车辆交通事故责任认定方法的计算机设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称的非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备固有的其他步骤或单元。
基于上述目的,本发明实施例的第一个方面,提出了一种无人驾驶车辆交通事故责任认定方法的实施例。图1示出的是本发明提供的无人驾驶车辆交通事故责任认定方法的实施例的示意图。如图1所示,本发明实施例包括如下步骤:
步骤S10、响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端,并通过云端的事故分类模块基于事故数据确定交通事故类型;
步骤S20、通过事故责任认定模块基于交通事故类型和事故数据判定车辆是否为肇事车辆;
步骤S30、响应于车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;
步骤S40、响应于事故责任为无人驾驶系统责任,生成无人驾驶系统责任认定结果。
本发明实施例的无人驾驶车辆交通事故责任认定方法,基于车端、路端、云端一体化技术,通过事故分类模块基于事故数据确定交通事故类型,通过事故责任认定模块基于交通事故类型和事故数据判定车辆是否为肇事车辆,并对肇事车辆的事故责任进行识别,以确定是否为无人驾驶系统责任,并生成无人驾驶系统责任认定结果,从而实现自动化地无人驾驶交通事故取证溯源,提供事故全过程记录以及初步责任认定结果,能够帮助管理者快速完成最终责任判定。
在一些实施例中,响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端包括:响应于车辆在无人驾驶模式下检测到发生交通事故,通过车端软件将交通事故发生前后的预设时间段的事故数据上传至云端,事故数据包括感知结果、规划数据、决策数据、控制指令数据、车辆运行工况数据、原始视频数据及原始点云数据中的一种或多种。
本实施例中,为接入智能网联道路的C-V2X(基于4G/5G等蜂窝网通信技术演进形成的车用无线通信技术)车辆安装接收路侧实时感知结果的车端SDK(即车端软件),SDK具有在本地存储运行记录的功能。切换到无人驾驶模式后,SDK自动将车辆接收的路侧数据、车辆自身无人驾驶规划、决策、控制的指令数据存储到本地。
当智能网联道路覆盖范围内无人驾驶车辆在自动驾驶模式下发生道路交通事故时,车端SDK自动触发并将将存储在本地的事故发生前后的预设时间段(如事故发生前后1分钟)的无人驾驶感知、规划、决策、控制指令、车辆运行数据和工况数据、车载视频(如果有)、点云数据上传到云控平台(即云端),如下表1所示的上传到云端的事故数据:
表1上传到云端的事故数据表
云控平台收到车端事故指令和事故数据后,无人驾驶车辆道路交通事故自动责任认定模块启动并汇聚车端、路端和云端数据,包括车辆运行数据,按照事故时间将智能网联道路感知结果、视频和点云数据进行抽取,同时调取同时段云端向车端下发的路侧感知结果,格式如下表2所示:
表2抽取的感知结果、视频和点云数据表
序号 | 字段 | 类型 | 说明 |
1 | id | Int64 | 感知对象编号 |
2 | veh_id | Bytes | 自车编号 |
3 | seq | Int64 | 帧号 |
4 | is_moving | Bool | 是否运动状态 |
5 | position | Vector3f | 当前位置 |
6 | shape | Vector3f | 感知对象多边形 |
7 | orientation | Float | 车头朝向 |
8 | velocity | Float | 速度 |
9 | color | Color | 车辆颜色 |
10 | heading | float | 运动方向 |
… | … | … | … |
图2示出了根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法的应用场景示意图。图3示出了根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法的流程示意图。图4示出了根据本发明实施例提供的无人驾驶车辆交通事故责任认定方法中事故数据获取与处理的示意图。如图2-4所示,将车端、路端、云端数据进行时间戳对齐,无人驾驶车辆道路交通事故自动责任认定模块根据事故发生前后1分钟的记录自动识别事故发生原因并给出结论。
在一些实施例中,通过云端的事故分类模块基于事故数据确定交通事故类型包括:通过事故分类模块对事故数据进行分析,以识别对应的交通事故类型是否处于事故类型库中;响应于交通事故类型处于事故类型库中,输出交通事故类型以及事故分类模块的置信度。
在一些实施例中,基于事故数据确定交通事故类型包括:基于路侧感知结果输出的多个交通事故参与者的位置、朝向和外接多边形,以及多个交通事故参与者偏离行驶路径或者偏离运行设计域的情况,确定交通事故类型。
本实施例中,事故分类模块包括事故类型库,前期重点识别发生碰撞、道路偏离、行人撞击、车辆追尾等事故类型,后期逐步整理扩充事故类型库分类。对于如道路塌陷等原因造成的事故,不在事故类型库中。事故分类模块在分析时,主要依据路侧感知结果输出的多个交通事故参与者,确定交通事故参与者的位置和朝向,交通事故参与者的外接多边形(bodybox),交通事故参与者偏离行驶车道/路径或者偏离ODD区域(运行设计域);事故分类模块输出事故类型、置信度(表示事故分类的可信度)、发生事故时的原始视频和点云数据供事故责任认定模块调用。
在一些实施例中,基于交通事故类型和事故数据判定车辆是否为肇事车辆包括:响应于交通事故类型为多个车辆发生碰撞,基于路侧感知结果输出的多个事故关联车辆感知结果判定车辆为肇事车辆或者受害车辆,多个事故关联车辆感知结果包括多个事故关联车辆的运行轨迹、行驶方向、速度、朝向及加速度。
在一些实施例中,事故责任包括无人驾驶系统责任、车主责任、制造商责任及道路管理者责任。
本实施例中,依据事故分类模块前向输入,事故责任认定模块进行责任认定。在交通事故认定时,最主要的是区分肇事车(引发事故的车辆)和受害车(受到事故影响的车辆),事故责任认定模块中针对每类事故都有责任认定模型,如车辆碰撞责任认定,依据路侧感知结果输出的多辆事故关联车辆感知结果:运行轨迹、行驶方向、速度、朝向、加速度等数据进行肇事车和受害车分析判定。识别到肇事车(且为无人驾驶车辆并处于无人驾驶模式)后对肇事车发生事故的责任进行识别,主要包括无人驾驶系统责任、车主责任、制造商责任、道路管理者责任等,依据肇事车上传到云端的车辆运行工况数据(位置、行驶速度、水平加速度、垂直加速度、航向角等)、感知结果数据(云端下发感知结果、车辆自身感知结果和融合后的感知结果)、规划数据(车辆的行驶路线和行驶策略,车辆当前状态、目标点信息、高精地图数据、周围交通参与者预测数据、约束条件及目标函数)、决策数据(车道保持、转向、加速、刹车等决策算法)、控制指令数据(车辆的油门、刹车、转向等控制指令)完成是否为无人驾驶系统责任,如果识别认定为无人驾驶系统责任,将感知结果、车辆工况信息、规划、决策和控制指令作为输入项传递调用无人驾驶系统责任认定模块。
在一些实施例中,生成无人驾驶系统责任认定结果包括:通过无人驾驶系统责任认定模块将通过人工智能感知算法基于原始视频数据和原始点云数据生成的道路目标分类识别结果与事故数据中感知结果中的交通事故参数者进行比较,以确定无人驾驶系统中的感知环节是否发生故障;响应于感知环节发生故障,生成关于感知环节故障的无人驾驶系统责任认定结果。
在一些实施例中,生成无人驾驶系统责任认定结果还包括:通过无人驾驶系统责任认定模块对交通事故参与者的运行轨迹的预测值和真实值进行比较,以确定无人驾驶系统中的规划预测算法是否发生故障;响应于规划预测算法发生故障,生成关于规划预测算法故障的无人驾驶系统责任认定结果。
在一些实施例中,生成无人驾驶系统责任认定结果还包括:通过无人驾驶系统责任认定模块对事故数据中的车辆控制指令进行识别,以确定无人驾驶系统中的控制指令是否发生故障;响应于控制指令发生故障,生成关于控制指令故障的无人驾驶系统责任认定结果。
在一些实施例中,生成无人驾驶系统责任认定结果还包括:通过无人驾驶系统责任认定模块对事故数据中所有环节的时间戳进行比对,以确定无人驾驶系统中的通信时延是否超过预设时延阈值;响应于通信时延超过预设时延阈值,生成关于通信时延故障的无人驾驶系统责任认定结果。
上述实施例中,依据事故责任认定模块输入的感知结果(云端和车端感知结果)、原始视频和点云、规划、控制和决策等指令数据,无人驾驶系统责任认定子模块启动计算,首先依据人工智能感知算法基于视频和点云做目标分类识别,然后与输入的感知结果进行比较以确定是否为感知缺陷;其次依据其它交通参与者的运行轨迹判断是否规划预测算法缺陷;再次对车辆控制指令进行识别判断是否为控制指令缺陷;最后,通过对各环节时间戳进行比对判断通信时延(丢包率等)是否超过极限阈值发生通信缺陷。由此,通过无人驾驶系统责任认定模块确定无人驾驶系统中发生故障的环节,生成关于该故障环节的无人驾驶系统责任认定结果。
在另一实施例中,综合上述认定结果,将整个认定过程中的数据记录、原始视频数据和原始点云数据进行自动整理汇总归纳,并自动推送来提醒管理者,由管理者提交给公安机关交通管理部门进行最终的事故责任判定。
本发明实施例的第二个方面,还提供了一种无人驾驶车辆交通事故责任认定装置。图5示出的是本发明提供的无人驾驶车辆交通事故责任认定装置的实施例的示意图。如图5所示,一种无人驾驶车辆交通事故责任认定装置包括:事故分类模块10,配置用于接收云端的事故数据,并基于事故数据确定交通事故类型,事故数据为车辆在无人驾驶模式下发生交通事故的数据;事故责任认定模块20,配置用于基于交通事故类型和事故数据判定车辆是否为肇事车辆,并响应于车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;以及无人驾驶系统责任认定模块30,配置用于响应于事故责任为无人驾驶系统责任,确定无人驾驶系统中发生故障的环节,并生成无人驾驶系统责任认定结果。
在一些实施例中,事故数据包括感知结果、规划数据、决策数据、控制指令数据、车辆运行工况数据、原始视频数据及原始点云数据中的一种或多种。
在一些实施例中,事故分类模块10进一步配置用于通过事故分类模块对事故数据进行分析,以识别对应的交通事故类型是否处于事故类型库中;响应于交通事故类型处于事故类型库中,输出交通事故类型以及事故分类模块的置信度。
在一些实施例中,事故分类模块10进一步还配置用于基于路侧感知结果输出的多个交通事故参与者的位置、朝向和外接多边形,以及多个交通事故参与者偏离行驶路径或者偏离运行设计域的情况,确定交通事故类型。
在一些实施例中,事故责任认定模块20进一步配置用于响应于交通事故类型为多个车辆发生碰撞,基于路侧感知结果输出的多个事故关联车辆感知结果判定车辆为肇事车辆或者受害车辆,多个事故关联车辆感知结果包括多个事故关联车辆的运行轨迹、行驶方向、速度、朝向及加速度。
在一些实施例中,事故责任包括无人驾驶系统责任、车主责任、制造商责任及道路管理者责任。
在一些实施例中,无人驾驶系统责任认定模块30进一步配置用于将通过人工智能感知算法基于原始视频数据和原始点云数据生成的道路目标分类识别结果与事故数据中感知结果中的交通事故参数者进行比较,以确定无人驾驶系统中的感知环节是否发生故障;响应于感知环节发生故障,生成关于感知环节故障的无人驾驶系统责任认定结果。
在一些实施例中,无人驾驶系统责任认定模块30进一步配置用于对交通事故参与者的运行轨迹的预测值和真实值进行比较,以确定无人驾驶系统中的规划预测算法是否发生故障;响应于规划预测算法发生故障,生成关于规划预测算法故障的无人驾驶系统责任认定结果。
在一些实施例中,无人驾驶系统责任认定模块30进一步配置用于对事故数据中的车辆控制指令进行识别,以确定无人驾驶系统中的控制指令是否发生故障;响应于控制指令发生故障,生成关于控制指令故障的无人驾驶系统责任认定结果。
在一些实施例中,无人驾驶系统责任认定模块30进一步配置用于对事故数据中所有环节的时间戳进行比对,以确定无人驾驶系统中的通信时延是否超过预设时延阈值;响应于通信时延超过预设时延阈值,生成关于通信时延故障的无人驾驶系统责任认定结果。
本发明实施例的第三个方面,还提供了一种计算机可读存储介质,图6示出了根据本发明实施例提供的实现无人驾驶车辆交通事故责任认定方法的计算机可读存储介质的示意图。如图6所示,计算机可读存储介质3存储有计算机程序指令31。该计算机程序指令31被处理器执行时实现上述任意一项实施例的方法。
应当理解,在相互不冲突的情况下,以上针对根据本发明的无人驾驶车辆交通事故责任认定方法阐述的所有实施方式、特征和优势同样地适用于根据本发明的无人驾驶车辆交通事故责任认定装置和存储介质。
本发明实施例的第四个方面,还提供了一种计算机设备,包括如图7所示的存储器402和处理器401,该存储器402中存储有计算机程序,该计算机程序被该处理器401执行时实现上述任意一项实施例的方法。
如图7所示,为本发明提供的执行无人驾驶车辆交通事故责任认定方法的计算机设备的一个实施例的硬件结构示意图。以如图7所示的计算机设备为例,在该计算机设备中包括一个处理器401以及一个存储器402,并还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图7中以通过总线连接为例。输入装置403可接收输入的数字或字符信息,以及产生与无人驾驶车辆交通事故责任认定装置的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。
存储器402作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的无人驾驶车辆交通事故责任认定方法对应的程序指令/模块。存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储无人驾驶车辆交通事故责任认定方法的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的无人驾驶车辆交通事故责任认定方法。
最后需要说明的是,本文的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能,但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (13)
1.一种无人驾驶车辆交通事故责任认定方法,其特征在于,包括以下步骤:
响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端,并通过所述云端的事故分类模块基于所述事故数据确定交通事故类型;
通过事故责任认定模块基于所述交通事故类型和所述事故数据判定所述车辆是否为肇事车辆;
响应于所述车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;
响应于所述事故责任为无人驾驶系统责任,生成无人驾驶系统责任认定结果。
2.根据权利要求1所述的方法,其特征在于,响应于车辆在无人驾驶模式下检测到发生交通事故,将相应的事故数据上传至云端包括:
响应于车辆在无人驾驶模式下检测到发生交通事故,通过车端软件将所述交通事故发生前后的预设时间段的事故数据上传至云端,所述事故数据包括感知结果、规划数据、决策数据、控制指令数据、车辆运行工况数据、原始视频数据及原始点云数据中的一种或多种。
3.根据权利要求1所述的方法,其特征在于,通过所述云端的事故分类模块基于所述事故数据确定交通事故类型包括:
通过所述事故分类模块对所述事故数据进行分析,以识别对应的交通事故类型是否处于事故类型库中;
响应于所述交通事故类型处于所述事故类型库中,输出所述交通事故类型以及所述事故分类模块的置信度。
4.根据权利要求1所述的方法,其特征在于,基于所述事故数据确定交通事故类型包括:
基于路侧感知结果输出的多个交通事故参与者的位置、朝向和外接多边形,以及所述多个交通事故参与者偏离行驶路径或者偏离运行设计域的情况,确定交通事故类型。
5.根据权利要求1所述的方法,其特征在于,基于所述交通事故类型和所述事故数据判定所述车辆是否为肇事车辆包括:
响应于所述交通事故类型为多个车辆发生碰撞,基于路侧感知结果输出的多个事故关联车辆感知结果判定所述车辆为肇事车辆或者受害车辆,所述多个事故关联车辆感知结果包括所述多个事故关联车辆的运行轨迹、行驶方向、速度、朝向及加速度。
6.根据权利要求1所述的方法,其特征在于,所述事故责任包括无人驾驶系统责任、车主责任、制造商责任及道路管理者责任。
7.根据权利要求1所述的方法,其特征在于,生成无人驾驶系统责任认定结果包括:
通过无人驾驶系统责任认定模块将通过人工智能感知算法基于原始视频数据和原始点云数据生成的道路目标分类识别结果与所述事故数据中感知结果中的交通事故参数者进行比较,以确定所述无人驾驶系统中的感知环节是否发生故障;
响应于所述感知环节发生故障,生成关于所述感知环节故障的无人驾驶系统责任认定结果。
8.根据权利要求1所述的方法,其特征在于,生成无人驾驶系统责任认定结果还包括:
通过无人驾驶系统责任认定模块对交通事故参与者的运行轨迹的预测值和真实值进行比较,以确定所述无人驾驶系统中的规划预测算法是否发生故障;
响应于所述规划预测算法发生故障,生成关于所述规划预测算法故障的无人驾驶系统责任认定结果。
9.根据权利要求1所述的方法,其特征在于,生成无人驾驶系统责任认定结果还包括:
通过无人驾驶系统责任认定模块对所述事故数据中的车辆控制指令进行识别,以确定所述无人驾驶系统中的控制指令是否发生故障;
响应于所述控制指令发生故障,生成关于所述控制指令故障的无人驾驶系统责任认定结果。
10.根据权利要求1所述的方法,其特征在于,生成无人驾驶系统责任认定结果还包括:
通过无人驾驶系统责任认定模块对所述事故数据中所有环节的时间戳进行比对,以确定所述无人驾驶系统中的通信时延是否超过预设时延阈值;
响应于所述通信时延超过预设时延阈值,生成关于所述通信时延故障的无人驾驶系统责任认定结果。
11.一种无人驾驶车辆交通事故责任认定装置,其特征在于,包括:
事故分类模块,配置用于接收云端的事故数据,并基于所述事故数据确定交通事故类型,所述事故数据为车辆在无人驾驶模式下发生交通事故的数据;
事故责任认定模块,配置用于基于所述交通事故类型和所述事故数据判定所述车辆是否为肇事车辆,并响应于所述车辆为肇事车辆,对事故责任进行识别,以确定是否为无人驾驶系统责任;以及
无人驾驶系统责任认定模块,配置用于响应于所述事故责任为无人驾驶系统责任,确定无人驾驶系统中发生故障的环节,并生成无人驾驶系统责任认定结果。
12.一种计算机可读存储介质,其特征在于,存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-10任意一项所述的方法。
13.一种计算机设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时执行如权利要求1-10任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382280.6A CN116416796A (zh) | 2023-04-11 | 2023-04-11 | 无人驾驶车辆交通事故责任认定方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310382280.6A CN116416796A (zh) | 2023-04-11 | 2023-04-11 | 无人驾驶车辆交通事故责任认定方法、装置、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116416796A true CN116416796A (zh) | 2023-07-11 |
Family
ID=87052743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310382280.6A Pending CN116416796A (zh) | 2023-04-11 | 2023-04-11 | 无人驾驶车辆交通事故责任认定方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116416796A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828157A (zh) * | 2023-08-31 | 2023-09-29 | 华路易云科技有限公司 | 一种自动驾驶环境的交通事故责任判定辅助系统及方法 |
-
2023
- 2023-04-11 CN CN202310382280.6A patent/CN116416796A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116828157A (zh) * | 2023-08-31 | 2023-09-29 | 华路易云科技有限公司 | 一种自动驾驶环境的交通事故责任判定辅助系统及方法 |
CN116828157B (zh) * | 2023-08-31 | 2023-12-29 | 华路易云科技有限公司 | 一种自动驾驶环境的交通事故责任判定辅助系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10295360B2 (en) | Assistance when driving a vehicle | |
DE102020127043A1 (de) | Sicherheitssystem für ein fahrzeug | |
CN111815959B (zh) | 一种车辆违章的检测方法、装置以及计算机可读存储介质 | |
DE112018000479T5 (de) | Ereignisvorhersagesystem, Ereignisvorhersageverfahren, Aufzeichnungsmedium und sich bewegender Körper | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
DE102014201159A1 (de) | Verfahren und Vorrichtung zum Klassifizieren eines Verhaltens eines Fußgängers beim Überqueren einer Fahrbahn eines Fahrzeugs sowie Personenschutzsystem eines Fahrzeugs | |
CN109671006A (zh) | 交通事故处理方法、装置及存储介质 | |
CN110895662A (zh) | 车辆超载报警方法、装置、电子设备及存储介质 | |
CN113724416A (zh) | 基于车路协同系统的车载视频处理方法、装置及存储介质 | |
CN114379581B (zh) | 基于自动驾驶下的算法迭代系统及方法 | |
CN106340205A (zh) | 交通监控方法及交通监控装置 | |
KR102355431B1 (ko) | Ai 기반 돌발상황 검지 방법 및 그 시스템 | |
CN116416796A (zh) | 无人驾驶车辆交通事故责任认定方法、装置、介质及设备 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
DE102008063033B4 (de) | Vorrichtung und Verfahren zur Erkennung von Kollisionen mit erhöhter funktionaler Sicherheit | |
Xie et al. | Study on the controlled field test scenarios of automated vehicles | |
CN110335370A (zh) | 一种紧急车道保持辅助功能的更新方法、装置及汽车 | |
JP6796679B2 (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
CN111598054A (zh) | 车辆检测方法、装置、计算机设备及存储介质 | |
US20230103670A1 (en) | Video analysis for efficient sorting of event data | |
WO2023071874A1 (zh) | 道路救援工作节点确定方法、装置及电子设备、存储介质 | |
CN113706911B (zh) | 一种基于数字化交通场景的自动驾驶方法 | |
CN112435470A (zh) | 一种交通事件视频检测系统 | |
WO2020160801A1 (de) | Verfahren, vorrichtung, computerprogramm und computerprogrammprodukt zum betreiben eines fahrzeuges | |
DE102019209064B4 (de) | Vorrichtung zum Reagieren auf abgeschattete Objekte in einer Umgebung eines Fahrzeugs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |